Kaldi之Lattice

在Decode时候，使用Viterbi算法可以得到最优的一条路径，但是往往它可能不是最好的，因此我们采用Beam Search得到一个几个路径，我们给定一个范围（Kaldi的命令参数使用的时候 –beam），距离最优路径一定范围的都留下来，于是会得到N best的结果

我们可以采用保存所有它走的路径，包括状态，ilabel，olabel，第几帧等信息。

Kaldi之WFST

WFST : Weighted Finite State Transducer

FSA ： Finite State Acceptor
用来判断一个字符串能不能被接受。

WFSA ： Weighted Finite State Acceptor
用来判断一个字符串能不能被接受，并且给出能接受的概率。

WFST ： Weighted Finite State Transducer
用来把一个序列转换为另外一个序列，… 更多... “Kaldi之WFST”

区分性训练可以简单地理解为使得正确的更正确，错误的更错误。区分性训练之后的ASR识别效果可以有10-20%的提升。

区分性训练是一类训练准则的总称，包括

1. MMI - Maximum Mutual Information
2. bMMI - boosted Maximum Mutual Information
3. MPE - Minimize Phonime Error
4. sMBR - state-level Mini

里面共有三种格式 csl， int， txt ，其实内容都是一样的，

align_lexicon
表示对齐文件，是由lexiconp.txt的第一列第三列提取出来生成

context_indep
非正常音素集合，包含（静音（SIL），口语噪声（SPN），非口语噪声（NSN）和笑声（LAU）

silence
静音音素

nonsilence
正常音素可以认为和上面的silence是… 更多... “Kaldi的Phones文件夹下面的文件介绍”

Kaldi中的topo结构，在每个样例中是以topo文件表示，在代码中是由HmmTopology这个类表示，拓扑结构中的参数的更新会在TransitionModel这个类体现出来。

下面是Kaldi中yesno样例下面的topo文件，文件位置：
egs/yesno/s5/data/lang/topo

这个文件是由utils/gen_topo.pl生成，而这个脚本是在utils/… 更多... “Kaldi中的topo结构”

CMVN是Cepstral Mean Variance Normalization的缩写，中文直译为倒谱均值方差归一化。这里插一句Cepstral这个词是就是谱（spectrum）这个单词的前4个字母倒过来。

在把MFCC送到解码器之前，kaldi会计算一个CMVN。为什么计算CMVN，下面给出一个理由
实际情况下，受不同麦克风及音频通道的影响，会导致相同音素的特征差别比较大… 更多... “Kaldi中为什么要计算CMVN”

kaldi官方提供了所有工具的说明
https://www.kaldi-asr.org/doc/tools.html

这里只是列出查看文件的工具．

Data from kaldiOfficial Documents。
Reproduced indicate the source.

copy-feats Can be used to change the format of feature dat… 更多... “Kaldi查看文件的工具”

UBM
universal background model[1]
使用GMM建模，UBM的训练通过EM算法完成，有两种方法：
• 所有的数据训练出来一个UBM，需要保证训练数据的均衡
• 训练多个UBM，然后合在一起，比如根据性别分成两个，这样的话可以更有效的利用非均衡数据以及控制最后的UBM。
supervector

使用MAP adaptation对UBM的高斯进行线性插值，获得speaker相关的GMM… 更多... “声学特征iVector及其Kaldi实现”